Yliopiston etusivulle Suomeksi
Helsingin yliopisto
clt131: Korpusten käsittely - kevät 2005

Yhteystiedot:

Osoite:
Yleisen kielitieteen laitos
PL 9
Siltavuorenpenger 20A
00014 Helsingin yliopisto

Puhelin: +358 (09) 1911 (vaihde)
Faksi: +358 (09) 191 29307

Kurssin materiaalit

Luento 1 (1.11.2005)

Käsiteltävät asiat: merkkien, rivien ja sanojen laskeminen, putkitus, sanojen laittaminen omille riveilleen.

Käskyt: cat, tr, wc

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Tehtävät

Linkkejä

Luento 2 (8.11.2005)

Käsiteltävät asiat: aakkosjärjestys, duplikaattien poisto, frekvenssilista, alkeellinen konkordanssi, poiminta merkkijonon perusteella

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Käskyt: fgrep, (rev,) sort, uniq

Tehtävät

Linkkejä

Luento 3 (15.11.2005)

Käsiteltävät asiat: merkkijonon poiminta, Emacs ja skriptit

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Käskyt: (cut,) egrep, less

Tehtävät

Linkkejä

Luento 4 (22.11.2005)

Käsiteltävät asiat: säännölliset lausekkeet (osa II)

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Tehtävät

Luento 5 (29.11.2005)

Rakenteiset dokumentit, lingvistiset työkalut

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Tehtävät

Linkkejä

  • Säännöllisten lausekkeiden toimivuus eri ohjelmissa -taulukko löytyy tämän sivun lopusta.
  • Text Encoding Iniative (TEI)

Luento 6 (13.12.2005)

Lemmie, korpukset ja ääni, äänen visualisointi

Kalvot:
PDF (1/1)
PostScript: 1/1, 2/1, 4/1, 8/1

Ei tehtäviä


Säännöllisissä lausekkeissa käytettyjä merkintätapoja
  awk, gawk egrep less perl sed
'.' (Mikä tahansa merkki) Kyllä Kyllä Kyllä Kyllä Kyllä
[SET] (merkkijoukko) Kyllä Kyllä Kyllä Kyllä Kyllä
(LAUSEKE), ryhmittely sulkujen avulla Kyllä Kyllä Kyllä Kyllä Kyllä, vaatii kenoviivan sulkujen eteen
? 0 tai 1 kpl Kyllä Kyllä Kyllä Kyllä Kyllä, mutta muodossa \?
* Kleenen tähti, 0..ääretön kpl Kyllä Kyllä Kyllä Kyllä Kyllä
+ Kleenen plus, 1..ääretön kpl   Kyllä Kyllä Kyllä Kyllä, mutta muodossa \+
{n} n kpl   Kyllä1 Kyllä Kyllä Ei
{m,n} m..n kpl   Kyllä1 Kyllä Kyllä Ei
{n,} n..ääretön kpl   Kyllä1 Kyllä Kyllä Ei
Rivinalkumerkki ^ ja rivinloppumerkki $ Kyllä Kyllä Kyllä Kyllä  
Rivinvaihtomerkki \n   Ei Ei Kyllä Ei
Tabulaattori \t   Ei, mutta haku onnistuu näppäinyhdistelmällä CTRL-v TAB toimii. Ei Kyllä Ei
Whitespace \s   Ei Ei Kyllä  

1Olen tavannut TaY:ssä Sunin version egrep-käskystä, jossa tämä ei ole toiminut joskus kolme vuotta sitten...

Lista on vanha ja epätäydellinen. Saa täydentää. Ainakin Sedin suhteen on tainnut tulla parannuksia.